本发明涉及一种基于数据生成的小样本语音分离方法,属于语音分离领域,包括以下步骤:S1:采集并构建待分离语音数据集和目标说话人干净语音数据集;S2:对数据集进行预处理;S3:利用基于LSTM的语音匹配模型对预处理后的待分离语音数据集中的每段语音进行帧级别的目标说话人匹配,根据匹配结果,将语音段判断为:不含目标说话人、只包含一个目标说话人、包含多个目标说话人;S4:利用基于GAN的包含多个目标说话人的语音生成模型扩充待分离语音段;S5:构建并训练基于TCN的语音分离模型,将待分离的包含多个目标说话人的语音分离得到单一目标说话人的语音数据,最后拼接出单一说话人的完整语音。
📄 2022117401263
📂 G10L21_0272
👤 重庆邮电大学
📅 2022-12-30
本发明公开了一种稳健的窄带反馈型主动噪声控制系统及方法,属于主动噪声控制技术领域。所述系统包括窄带噪声估计合成子系统、参考信号子系统和次级声源合成子系统。所述参考信号合成子系统以窄带目标噪声估计为输入,采用串并结合型自适应带通滤波器实现快速准确地估计非平稳窄带目标噪声中谐波性频率分量或非谐波性频率分量,并用作窄带控制器的参考输入,进而窄带控制器合成得到次级声源与窄带目标噪声在声场空间进行干涉相消,达到降噪的目的。本发明有效解决了传统窄带反馈型主动噪声控制系统存在的参数设置复杂度高、应对窄带目标噪声发生较大频率突变情形时噪声抑制能力差的问题,提升了系统的稳定性和降噪性能,利于其实际应用。
📄 2022110372397
📂 G10L21_0208
👤 江南大学
📅 2022-08-26
本发明提供的基于伽马通频谱分离的声场景分类方法,其利用伽马通频谱图,并将音频样本信息分离出谐波分量、打击源分量以及残差分量三个部分,基于伽马通频谱图的残差分量,能够有效减少背景噪音中的谐波噪音和打击源噪音,以达到降低背景噪音的效果,进而提升了声场景分类模型的分类准确率,同时提高了声场景分类模型的泛化能力。
📄 2021110900340
📂 G10L21_0208
👤 江南大学
📅 2021-09-16
本发明提供了一种基于多尺度时延采样的单通道语音分离方法,提取多个说话人混合语音信号混合语音特征,对混合语音特征进行分割,并拼接成3D张量,采用第一双向循环神经网络迭代地对3D张量进行建模,捕获局部特征信息和全局特征信息,采用多尺度时延采样建模,对第一双向循环神经网络的输出进行不同尺度的时延采样,并采用第二双向循环神经网络捕获不同尺度下的特征信息,将特征信息进行重叠相加,并映射为多个说话人纯净语音的掩码,再将掩码与混合语音特征进行点乘,得到多个说话人的纯净语音表征,将每个人的纯净语音表征重构成分离后的语音信号。本发明通过多尺度时延采样建模,弥补分段式建模中的信息缺失,极大地提升了语音分离性能。
📄 2021110062517
📂 G10L21_0208
👤 江苏大学
📅 2021-08-30
本发明公开了一种基于绝对听觉阈值的深度学习语音增强方法,包括以下步骤:S1.对输入的时域音频信号进行预处理,得到频域语音信号;S2.对频域语音信号进行声学特征处理,得到特征语音信号;S3.基于深度神经网络,构建特征语音增强网络模型;S4.对特征语音增强网络模型进行离线训练,得到成熟的特征语音增强网络模型;S5.利用成熟的特征语音增强网络模型进行在线语音增强。本发明利用绝对听觉阈值对语音信号进行声学特征处理,突出语音信号特征,在不损失输出音频的可懂度和清晰度的情况下,降低网络输入语音信号的数据量,减少网络输入参数,提高网络训练速率。
📄 201910126915X
📂 G10L21_0232
👤 西华大学
📅 2019-02-20
本发明公开了一种基于非线性滤波的声学回声消除方法,步骤如下:步骤1:信号采集和自适应Hammerstein滤波器模型构建;步骤2:计算目标函数的解;步骤3:设置自适应Hammerstein滤波器参数初始值;步骤4:更新参数;步骤5:回声信号消除;步骤6:迭代直至通话结束。本发明考虑了不同的回声环境,使用自适应算法来估计系统的参数,收敛速度较快,可以在不同回声环境下较快的调节滤波器参数,使滤波器能够快速获得较佳的滤波效果,适应实时性要求较高的环境;本发明使用欧几里得(Euclidean)投影来更新自适应滤波器参数,能够有效的消除通信系统中的回声,具有较好的回声消除效果。
📄 2022100740180
📂 G10L21_0208
👤 杭州电子科技大学
📅 2022-01-21
本发明公开了一种基于麦克风阵列的语音增强方法及装置,该方法和装置更精准地估计出了混响和回声的声学路径,更好地抑制了回声和混响信号,使得输出的音频信号达到更高的信噪比,语音增强体验效果好,针对当前主流的硬件平台均能达到实时处理,且具备很强的鲁棒性。此外,本发明所提供的方法和装置在提升信号的信噪比的同时,能够大幅降低了信号处理的运算量。而在实现相同信噪比的要求下,传统的信号处理流程需要1‑3倍的运算量。
📄 2018106520417
📂 G10L21_0208
👤 重庆瑞可利科技有限公司
📅 2018-06-22
本发明公开了一种基于增强谱减与卡尔曼滤波的两阶段语音降噪方法及其装置和存储介质,所述方法包括以下步骤:通过增强谱减法在频域对语音信号进行初步降噪;基于线性预测编码算法辨识语音信号状态空间模型参数,利用卡尔曼滤波算法在时域对声音信号进行二次降噪;对逐帧信号重复进行多次参数辨识、二级降噪流程后输出降噪语音。本发明方法能够在复杂噪声环境中有效滤除环境噪声,提高语音信号质量。本方法适用于人工耳蜗的单麦克风降噪,能够在计算资源有限的人工耳蜗中实现高效降噪,提高佩戴者的声音感知能力。
📄 2025109437604
📂 G10L21_0232
👤 浙江工业大学
📅 2025-07-09
本发明公开了一种基于神经通路的图垂直联邦数据增强方法与装置,首先构建具有奖励机制的图垂直联邦学习框架;在训练过程中,通过计算本地模型神经元激活值,根据其与模型每一层输入的梯度关系,获得本地模型的逆向神经通路,通过模型神经通路寻找有利于中心服务器模型性能的图拓扑结构;再通过计算本地模型神经元激活值,根据其与模型每一层输入的梯度关系,获得本地模型的逆向神经通路,通过模型神经通路寻找有利于中心服务器模型性能的节点特征;然后基于寻找到的图拓扑结构和节点特征,对本地数据进行数据增强;最后将经过增强后的本地数据继续用于图垂直联邦学习模型的训练,从而提高本地参与方在图垂直联邦模型中的贡献度。
📄 2022101381240
📂 G10L21_02
👤 浙江工业大学
📅 2022-02-15
本发明公开了一种面向家居噪声环境的分层自适应去噪方法及系统,该方法包括:(1)先将带噪语音信号经过谱减法滤波,去除掉噪声的短时谱部分,得到去噪后的语音信号;(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况;(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重,采用维纳滤波法对该信号进行二次滤波,去噪结束,得到去噪后的语音信号否则,转至步骤4;(4)若出现时间较短的突发声调的情况不明显,对该信号进行小波阈值去噪法滤波,去噪结束,得到去噪后的语音信号;本发明提出的面向家居噪声环境下的分层自适应算法,可以有效的抑制带噪信号中的噪声。
📄 2020102946723
📂 G10L21_0216
👤 南京邮电大学
📅 2020-04-15
本发明公开了基于新阈值函数的小波语音去噪方法,该方法主要步骤包括:1)带噪语音产生;2)对带噪语音进行小波分解;3)对带噪语音进行小波阈值处理;4)对处理后的语音进行小波重构;5)得到去噪后语音信号;其中主要是对步骤3)进行处理,步骤3)直接决定去噪效果。步骤3)是对带噪语音进行小波分解后的小波系数进行阈值处理,主要涉及到阈值的确定以及阈值函数的选取。本发明采用的新阈值函数缓解了传统硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题。新的阈值函数能更好的抑制噪声,提高语音信号信噪比,减少语音失真,得到更好的去噪效果。
📄 2017104434291
📂 G10L21_0208
👤 南京邮电大学
📅 2017-06-13
本发明公开了一种基于卷积神经网络和联合优化的单通道语音分离方法,属于语音分离技术领域,包括对语音信号进行预处理,提取单个信号和混合语音信号的幅度谱特征,并计算多通道特征和目标信号的理想浮值掩蔽;将多通道特征输入卷积神经网络,并提取深度特征;将深度特征和多通道特征进行融合,作为全连接层的输入,输出为目标信号的理想浮值掩蔽,并进行参数寻优以训练卷积神经网络;将混合语音信号输入训练后的卷积神经网络,以实现对混合语音信号进行分离。本发明通过将混合幅度谱特征与深度特征在融合层进行融合来训练分离模型,使输入特征所包含的语音信息更加的丰富;对网络参数进行联合优化,使得分离语音的清晰度和可懂度大幅提高。
📄 2021109119798
📂 G10L21_0272
👤 南京邮电大学
📅 2021-08-10